1-S2.0-S1697791215000023-Main (Electrica para Ver)

ScienceDirect
Revista Iberoamericana de Automtica e Informtica industrial 12 (2015) 117132
Gestion Optima
de la Energa en Microrredes con Generacion Renovable
Carlos Bordonsa,, Felix Garca-Torresb , Luis Valverdec
a Departamento
b Unidad
de Ingeniera de Sistemas y Automatica, Universidad de Sevilla. Camino de los descubrimientos s/n, 41092 Sevilla, Espana
de Simulacion y Control, Centro Nacional del Hidrogeno. Prolongacion Fernando el Santo, s/n, 13500 Puertollano, Ciudad Real, Espana.
c Departamento de Ingeniera Energ
etica, Universidad de Sevilla. Camino de los descubrimientos s/n, 41092 Sevilla, Espana
Resumen
Este artculo se centra en los temas relacionados con la operacion o ptima de las microrredes, que son conjuntos de cargas,
generadores y sistemas de almacenamiento de energa, aislados o conectados al resto de la red electrica, que pueden ser gestionados
de manera coordinada para suministrar electricidad de forma able. Se aborda la problematica y las soluciones de control tanto para
la gestion del reparto de la carga entre los distintos generadores y almacenamiento como para la integracion de la microrred en el
mercado electrico. Se presentan disenos de controladores en el marco del Control Predictivo Basado en Modelo (Model Predictive
Control, MPC) para casos que incluyen diversas fuentes renovables, como energa solar y eolica, y almacenamiento hbrido con
hidrogeno, lo que permite gestionar el balance de energa en distintas escalas de tiempo. Se muestran algunos resultados experimentales en una microrred de laboratorio as como estudios de planicacion para el mercado electrico. Los resultados obtenidos indican
que el desarrollo de controladores adecuados facilitara una participacion competitiva de las energas renovables y la integracion de
c 2015 CEA. Publicado por Elsevier Espana, S.L.
las microrredes en el nuevo modelo de sistema electrico. Copyright
Todos
los
S.L.U.
Todos
los
derechos
reservados
derechos
reservados.
Palabras Clave: Microrredes, Energas Renovables, Control Predictivo, Gestion de la Energa, Sistema Electrico.
1.
Introduccion
La transicion del sistema energetico actual basado en combustibles fosiles a un nuevo sistema con implantacion de energas
renovables y sistemas electricos de transporte requiere el desarrollo de nuevos algoritmos de control que permitan gestionar
los aspectos relacionados tanto con la intermitencia y la distribucion de la generacion como con los nuevos perles de consumo. Las redes actuales de distribucion electrica operan a veces
proximas a su maxima capacidad y deben adaptarse a frecuentes cambios para afrontar retos medioambientales y mejorar su
conanza y sostenibilidad. Estos retos se satisfacen mediante la
efectiva integracion y coordinacion de generadores distribuidos
(Distributed Generator, DG), que facilitan la explotacion de los
recursos renovables (solar, eolico) y alternativos, como pilas de
combustible. Mientras que las formas tradicionales de produccion energetica, controlables desde el origen, permiten ajustar
la produccion a la demanda, la implantacion de las nuevas tecnologas basadas en recursos renovables con ciclos uctuantes
obliga a proporcionar nuevas soluciones a problemas nunca antes planteados. La adopcion masiva de las energas renovables
Autor
en correspondencia.
Correos electronicos: bordons@us.es (Carlos Bordons),
felix.garcia@cnh2.es (Felix Garca-Torres), lvalverde@etsi.us.es
(Luis Valverde)
plantea por tanto nuevos retos tecnologicos, ya que su inherente intermitencia asociada a la climatologa las hace difcilmente
gestionables.
El sistema electrico tradicional se ha basado en la gestionabilidad que permite la energa almacenada por la propia naturaleza durante anos en los combustibles fosiles. La transicion
a un nuevo modelo energetico estara sujeta a la superacion de
ciertas barreras tecnologicas debidas a la aleatoriedad propia de
las fuentes de generacion renovable. La penetracion actual de
los sistemas de generacion renovable en la red electrica, especialmente con los desarrollos obtenidos para la energa eolica y
fotovoltaica, comienza a ocasionar impactos en la red electrica,
como pueden ser la variacion de la magnitud del voltaje de suministro y el incremento del desbalance entre la potencia activa
y reactiva entre las fuentes de generacion. La falta de gestionabilidad, as como la penalizacion por desvos en el mercado de
casacion, diculta la competitividad economica de las energas
renovables en el mercado energetico. Los sistemas de almacenamiento de energa aparecen como solucion tecnologica a la
controlabilidad de las energas renovables permitiendo su introduccion en el mercado diario de energa.
La concepcion de la red electrica en unidades mas pequenas
de gestion donde el almacenamiento de energa compense tanto las uctuaciones de generacion renovable como la aletorie-
2015 CEA. Publicado por Elsevier Espaa, S.L.U. Todos los derechos reservados
http://dx.doi.org/10.1016/j.riai.2015.03.001
118
C. Bordons et al. / Revista Iberoamericana de Automtica e Informtica industrial 12 (2015) 117132
dad del comportamiento de los consumidores aparece como una

nueva solucion estructural. Sin embargo, esto conlleva a nuevos
desafos desde el punto de vista del control.
Para intentar abordar estos problemas, surge el paradigma
de la microrred (microgrid), introducido por (Lasseter, 2002)
como una aproximacion que considera la generacion y las cargas asociadas como un subsistema o microrred. Aunque la denicion del termino esta todava bajo discusion en foros tecnicos,
se puede considerar una microrred como un conjunto de cargas,
generadores y almacenamiento que puede ser gestionado de forma aislada o conectado al resto de la red electrica de manera
coordinada para suministrar electricidad de forma able (Olivares et al., 2014). En situaciones de emergencia (fallos, perturbaciones, etc.) los generadores y las cargas correspondientes se
pueden separar de la red de distribucion, manteniendo el servicio sin danar la integridad del sistema. Aunque originariamente fue asociado a redes electricas, el concepto se ha extendido
a cualquier conjunto de cargas y generadores que operen como un sistema u nico controlable que puede proporcionar tanto
energa electrica como termica o combustible a cierta zona (Jiay
et al., 2008). Hoy da, la operacion de los recursos energeticos
distribuidos (Distributed Energy Sources, DER) junto con cargas controlables (consumo domestico o vehculo electrico) y
diversas formas de almacenamiento como bateras, supercondensadores o volantes de inercia, consitituye el nucleo central
del concepto de microrred. Una microrred puede operar interconectada con la red de distribucion principal, a traves del denominado Point of Common Coupling, (PCC) o en modo isla y
tambien puede interconectarse con otras microrredes, pudiendo
dar lugar a sistemas mas complejos.
La microrred permite una coordinacion exitosa entre los
DGs, al incluir de forma integrada generacion distribuida, cargas locales y sistemas de almacenamiento. Las microrredes pueden garantizar calidad de suministro para cargas locales tales
como hospitales, centros comerciales, urbanizaciones, campus
universitarios o polgonos industriales. El concepto de microrred, con su propio control y calidad de suministro, facilita una
integracion escalable de generacion local y de cargas en las redes electricas existentes, permitiendo una mejor penetracion de
la generacion distribuida (Bidram et al., 2014).
El control de las microrredes presenta numerosos retos, ya
que e stas pueden operar tanto en modo aislado como conectadas a la red principal, a traves del PCC. Es necesario por tanto
un control adecuado de la microrred para una operacion estable
y economicamente eciente en ambas situaciones. El sistema
de control debe regular frecuencia y tension en cualquiera de
los modos de operacion, debe repartir la carga entre los distintos DGs y el almacenamiento, gestionar el ujo con la red
principal y optimizar los costes de operacion. En el modo de
conexion a red, la frecuencia y tension vienen jadas por la red
principal, que tiene generadores sncronos y grandes reservas
rodantes. La microrred conmutara a modo aislado en caso de
perturbaciones graves o fallos, debiendo entonces proporcionar
potencia a las cargas crticas y el sistema de control debe gestionar en este caso la frecuencia y la tension. Un punto importante es gestionar los transitorios durante la conmutacion, como
se muestra en (Bidram and Davoudi, 2012). Este artculo pre-
tende ofrecer una vision general de los problemas y retos mas

importantes relacionados con el control de microrredes, ilustrados con ejemplos experimentales y en simulacion. En concreto,
el trabajo se centra en los temas relacionados con la operacion
o ptima de la microrred, tanto para la gestion del reparto de la
carga entre los distintos generadores y el almacenamiento como
la integracion de la microrred en el mercado electrico. Esta organizado de la siguiente forma: la siguiente seccion presenta
las caractersticas principales de las microrredes y los benecios que se pueden derivar de su correcta operacion. La seccion
3 presenta la problematica que aparece en el control de estos
sistemas y describe las soluciones adoptadas para su solucion
as como las metodologas de control comunmente empleadas.
A continuacion se presentan dos casos detallados de aplicaciones de control en microrredes con generacion renovable y almacenamiento hbrido: en la seccion 4 se detalla el diseno y los
resultados experimentales obtenidos de la operacion o ptima de
una microrred de laboratorio, mientras en la seccion 5 se presenta una forma de gestionar la integracion de una microrred en
el mercado electrico. La seccion 6 discute alguna de las lneas
abiertas y nalmente se termina con unas conclusiones.
2.
Generalidades
Las microrredes estan formadas por diversas fuentes de generacion, en general renovables, y diversos tipos de almacenamiento, que pueden operar tanto en modo aislado como conectadas a la red principal (Lopes et al., 2006), (Hatziargyriou
et al., 2007). La microrred opera en baja tension y se puede considerar como la estructura basica para las nuevas redes electricas denominadas Redes Inteligentes o Smart Grids. De este modo, la red percibe a la microrred como un elemento individual
que responde a las senales de control apropiadas, es decir, se
puede considerar como un conjunto de cargas y generadores
que opera como un u nico sistema controlable. La gura 1 muestra un ejemplo de una microrred con diversos tipos de generacion y almacenamiento. El paradigma de las microrredes puede
permitir la integracion masiva de la generacion distribuida (especialmente la renovable), ya que los problemas pueden resolverse de forma descentralizada, reduciendo la necesidad de una
coordinacion centralizada que sera extremadamente compleja.
Ademas de este benecio generico para el sistema electrico, se
aumenta la abilidad a nivel local de la microrred, se permite
una mejor calidad de suministro (Jiay et al., 2008) y tambien
se abre la posibilidad de que la microrred acceda al mercado
electrico como un agente mas.
Las microrredes pueden operar tanto en modo aislado como conectadas a la red principal, debiendo gestionar la transicion de manera adecuada. En el modo de conexion a red, la frecuencia y tension vienen jadas por la red principal, que tiene
generadores sncronos y grandes reservas rodantes, y se producira importacion o exportacion de energa segun determinados
criterios tanto de operacion (control de la potencia activa y reactiva) como economicos (precio de la energa).
La conmutacion a modo aislado puede producirse por diversos motivos y puede ser intencionada o no. En el primer caso, es debido a situaciones como mantenimiento planicado o
Calidad de Suministro
Gestin Energa
Alta Densidad de Potencia

segundos
Compensacin Flicker
Armnicos
Estabilizacin de tensin
Estabilizacin de frecuencia
Figura 1: Ejemplo de microrred
Supercondensador
cuando la mala calidad de la red principal pueda poner en peligro la operacion de la microrred. Pero en general, la desconexion se debera a perturbaciones graves o fallos desconocidos,
por lo que una deteccion temprana de las causas que provocan la desconexion es de gran interes para la seguridad tanto
de las personas como de los equipos, de manera que se puedan activar los cambios requeridos en la estrategia de control.
Existen muchos trabajos relacionados con algoritmos de deteccion, tanto pasivos (que se basan en medidas de frecuencia y
voltaje) como activos (basados en inyeccion de perturbaciones)
(Funabashi et al., 2003). En el modo aislado, los sistemas de
almacenamiento deben conseguir el balance de potencia inyectando o absorbiendo potencia activa de forma proporcional a
la desviacion de frecuencia. El proceso de restauracion a modo
conexion a red debe contemplar la sincronizacion con la red y
tener en cuenta aspectos como el balance de potencia reactiva y
la coordinacion de los distintos DGs (Vasquez et al., 2010).
Un tema de crucial importancia en la operacion de las microrredes es el almacenamiento de energa, ya que permite compensar los desbalances entre la generacion y el consumo, posibilitando una adecuada calidad de suministro. Sin embargo,
no existe la tecnologa de almacenamiento perfecta y todas tienen sus limitaciones en cuanto a densidad de potencia/energa,
tiempo de respuesta/tiempo de autonoma, coste economico y
ciclo de vida. En la gura 2, se hace una clasicacion de las
tecnologas de almacenamiento dependiendo de la densidad de
potencia y densidad de energa de cada tecnologa, asignandole
la aplicacion para la cual es o ptima. Los sistemas de almacenamiento hbrido permiten abarcar todo el espectro de aplicaciones.
El almacenamiento ofrece la oportunidad de decidir la operacion o ptima de la microrred tanto si e sta trabaja en modo isla
como en el modo de conexion a red, en cuyo caso se pueden
gestionar los momentos o ptimos para intercambiar energa con
la red externa. La posibilidad de disponer de un sistema hbrido
con diversas tecnologas (Ferrari-Trecate et al., 2004), (Greenwell and Vahidi, 2010) resulta de gran interes. En concreto, el
almacenamiento en forma de hidrogeno unido a bateras electricas y supercondensadores parece ser una solucion adecuada para generacion renovable (Jiay et al., 2008). La utilizacion de
hidrogeno como medio de almacenamiento de energa electrica de origen renovable se basa en la posibilidad de producir
este hidrogeno mediante electrolisis, almacenarlo en diferentes
formas (baja o alta presion, hidruros metalicos, etc.), y poste-
Alta Densidad de Energa
minutos
Reserva de giro
Capacidad de black start
Suministro ininterrummpido
de potencia
Volante de inercia
SMES
119
horas
Almacenamiento picos energa
Nivelado de carga
Comercializacin de energa
Integracin de intermitencia de
fuentes renovables
Redes Aisladas
Aire Comprimido
Bateras
Bateras de flujo
Bombeo
hidralico
Hidrgeno
Figura 2: Sistemas de almacenamiento de energa segun relacion densidad de

potencia/densidad de energa (Adaptado de Dotsch (2009))
riormente utilizarlo para generar nuevamente electricidad, principalmente en pilas de combustible, en aplicaciones estacionarias o moviles o bien para su utilizacion como combustible en
vehculos con pila de combustible.
En la actualidad existen muchos proyectos en marcha para
demostrar el concepto de microrred. Entre ellos se encuentran
varias instalaciones en Canada (Hajimiragha and Zadeh, 2013),
en Europa y EE.UU. Trends, y los proyectos en Huatacondo
en Chile (Palma-Behnke et al., 2013) y NEDO en Japon (Hatziargyriou et al., 2007). Estos y otros proyectos han demostrado
su ecacia en diversas situaciones, como los que se presentan
en (Lidula and Rajapakse, 2011) para otros pases. Tambien las
microrredes han atrado gran interes debido a su tremendo potencial de aplicacion en a reas remotas, donde el suministro de
energa presenta numerosos retos en terminos de transmision
y distribucion (Palizban, 2011). Por detallar algunos de estos
proyectos, en (Rigo-Mariani et al., 2013) se describe la operacion de una microrred para una zona industrial con una potencia instalada de 156 kW que tiene un generador fotovoltaico de
175 kW y un almacenamiento en forma de volantes de inercia
de 100 kW/100 kWh. Por su parte en (Hakimi et al., 2013) se
aborda el problema del dimensionamiento o ptimo de una microrred usada para trigeneracion, proporcionando calefaccion,
refrigeracion y energa electrica a una zona residencial. El problema de optimizacion proporciona las dimensiones adecuadas
de pila de combustible, aerogenerador, electrolizador, reformador, reactor anaerobio, maquina de refrigeracion por absorcion
y depositos de almacenamiento termico y de hidrogeno.
En (Valverde, 2013) se recoge un estudio detallado sobre
varios proyectos de demostracion con microrredes, centrado en
aquellas que usan hidrogeno como almacenamiento. En concreto, se muestran las principales caractersticas de 32 plantas que
integran generacion renovable (15 de ellas fotovoltaica, 16 eolica y una mixta) con sistema de almacenamiento de hidrogeno
en sus diversas formas.
120
3.
Control de microrredes
3.1.
Problematica
El objetivo del control de una microrred es proporcionar
la energa demandada por las cargas haciendo uso de la generacion y los sistemas de almacenamiento de forma eciente y
able tanto en condiciones normales como durante las contingencias, independientemente de la conexion a la red externa.
Los benecios economicos y medioambientales de las microrredes y, en consecuencia, su aceptacion y grado de penetracion
en el sistema electrico, vienen marcados en gran medida por
las capacidades del sistema de control y sus caractersticas de
operacion.
Las microrredes introducen un numero de retos operacionales que deben tenerse en cuenta en el diseno de sus sistemas de
control y proteccion, debido a ciertas particularidades que las
distinguen de otros sistemas. Las mas relevantes son (Olivares
et al., 2014):
Flujos de potencia. A diferencia de las redes convencionales, la integracion de DGs en baja tension puede causar
ujos de potencia bidireccionales y dar lugar a complicaciones en los sistemas de proteccion o a patrones de ujo
indeseados.
Estabilidad. Pueden aparecer oscilaciones locales debido
a la interaccion de los sistemas de control de los DGs y a
la problematica de las transiciones entre el modo aislado
y el modo de conexion a red.
Modelo de la red. Las hipotesis generalmente aceptadas
de tres fases equilibradas, lneas de transmision inductivas y cargas constantes ya no tienen por que ser validas,
lo que conlleva la necesidad de adaptar los modelos a la
nueva situacion. Una microrred esta inherentemente sujeta a un desbalance de carga por las propias unidades
DGs.
Baja inercia. Las caractersticas dinamicas de los recursos DGs, especialmente de aquellos que estan acoplados
electronicamente, son diferentes de los basados en grandes turbinas de generacion. Si no se implementan los mecanismos de control adecuados, la baja inercia del sistema puede dar lugar a desviaciones considerables de la
frecuencia en el modo de operacion aislado.
Incertidumbre. En las microrredes existe una mayor incertidumbre en cuanto a la demanda y, sobre todo a la
generacion, ya que el uso de energas renovables provoca que la generacion este unida a las condiciones ambientales. Por tanto, una operacion able y con criterios
economicos debe considerar el pronostico del tiempo.
En estas circunstancias, el sistema de control debe asegurar
una operacion able de la microrred. Las principales funciones
que se le pueden solicitar al sistema de control en la microrred
son (Bidram and Davoudi, 2012) (Olivares et al., 2014):
Control de las corrientes y tensiones en los diversos DGs,

siguiendo las referencias y amortiguando apropiadamente las oscilaciones.
Regulacion de frecuencia y tension tanto en modo aislado
como conectado a red.
Balance de potencia, adaptandose a los cambios tanto en
generacion como en carga mientras se mantienen la frecuencia y la tension en lmites aceptables.
Mecanismos de gestion de la demanda (Demand Side Management, DSM) que permitan cierta variacion en la demanda de una porcion de las cargas para adaptarse a las
necesidades de la microrred (Wang and Nehrir, 2008),
(Alvial-Palavicino et al., 2011).
Transicion suave entre los modos de operacion, usando la
estrategia mas adecuada para cada uno de ellos y detectando rapidamente las situaciones que provocan el cambio. Resincronizacion con la red principal.
Despacho economico, repartiendo la carga entre los distintos DGs y sistemas de almacenamiento de forma que
se reduzca el coste de operacion, siempre manteniendo
la abilidad. La optimizacion del coste de la operacion
incluira la maximizacion del benecio economico en el
caso de conexion a red.
Gestion los ujos de potencia entre la microrred y la red
principal y en su caso con otras microrredes
Estas funciones son muy variadas e implican dinamicas con
distintas constantes de tiempo, por la respuesta rapida necesaria en el control de las variables electricas (frecuencia, tension)
y las necesidades temporales menos estrictas en el despacho
economico. Se puede optar por un control centralizado, con todas las funciones y la gestion de la informacion localizadas en
un u nico punto, solucion que, aunque proporciona una vision
global de la microrred, depende de forma crtica de un sistema
de comunicacion able y eciente. El control centralizado enva
comandos basados en informacion obtenida de todo el sistema
y requiere una compleja red de comunicacion (en general bidireccional) que afecta a la exibilidad y abilidad del sistema.
Como se basa en una entidad central que gestiona gran cantidad de datos, es vulnerable a fallos. Por su parte, un sistema
descentralizado (donde todas las funciones son realizadas por
controladores locales en cada DG que operan de manera independiente) no precisa una comunicacion tan detallada y permite una facil reconguracion, pero no es adecuado para realizar
una gestion o ptima de la microrred al no disponer de una vision general de la misma (Lopes et al., 2006). Ello aconseja la
adopcion de una estructura jerarquica de control, tal como se
describe en la siguiente seccion.
3.2. Niveles de control.
Los requerimientos de operacion se suelen satisfacer mediante una estructura jerarquica de control (Dondi et al., 2002)
(Lopes et al., 2007). Aunque casi todos los autores coinciden
en que existen tres niveles de control, hay diversas discusiones

respecto al contenido de e stos. La idea mas extendida, compartida por (Palizban et al., 2004)(Vasquez et al., 2010) (Bidram
et al., 2014) (Brabandere et al., 2007), considera tres niveles
asociados a distintas escalas de tiempo.
El nivel primario opera en una escala de tiempo rapida y
mantiene la estabilidad de la tension y la frecuencia durante
cambios en la generacion o en las cargas o tras el paso a modo
isla. Este control se implementa localmente, enviando los puntos de consigna de los bucles de tension y corriente de los convertidores de los DGs (o sistemas de almacenamiento cuando
existan). Este nivel de seguridad y abilidad se encarga de que
todos los DGs integrantes de la microrred se mantengan dentro
de los margenes establecidos de tension y frecuencia incluso en
caso de fallo del sistema de comunicaciones. Ver por ejemplo
(Garcia and Bordons, 2014).
Por su parte, el nivel secundario (Savaghebi et al., 2012)
se encarga de asegurar que las desviaciones de tension y frecuencia se regulan hacia cero ante un cambio de carga o de generacion dentro de la microrred. Es el responsable de eliminar
cualquier error en estado estacionario introducido por el control
primario. Tambien se usa para la sincronizacion con la red principal previa a la transicion del modo isla al modo de conexion
a red. En (Bidram et al., 2014) se revisan esquemas de control
distribuido para este nivel.
El control terciario se utiliza para el control de los ujos de
potencia entre la microrred y la red principal y para la operacion
o ptima en escalas de tiempo mas grandes (Bidram and Davoudi,
2012). Se ajustan los puntos de consigna de los inversores para
gestionar los ujos de potencia, bien en sentido global (importacion/exportacion de energa) o bien en sentido local (prioridad en la generacion de la energa necesaria). Aqu se tienen
en cuenta criterios economicos. En este nivel se pueden incluir
muchas estrategias de optimizacion, segun las escalas de tiempo, pudiendo incluir la planicacion y el despacho economico.
Sin embargo, en (Olivares et al., 2014) se presenta una clasicacion ligeramente distinta. Aunque el nivel primario es similar, el nivel secundario se denomina Sistema de Gestion de la
Energa (Energy Management System, EMS) e incluye el despacho o ptimo segun determinados criterios (similar al terciario de la clasicacion previa) y ademas incluye las correcciones de frecuencia y tension provocadas por el control primerio.
El nivel terciario se encarga de coordinar la microrred con la
red principal y de coordinar la operacion de microrredes interconectadas. Por otro lado, (Wang and Nehrir, 2008) plantea
cuatro niveles de control, con una estructura similar a los anteriores, estableciendo un primer nivel para los dispositivos, un
segundo nivel de operacion de red, un tercer nivel de analisis y
decision de mercado y un cuarto nivel destinado a la aplicacion
de usuario, donde cada cliente puede establecer su papel en la
microrred bajo su propio criterio de autoridad.
En las siguientes secciones de este artculo se tratara principalmente la optimizacion de la operacion de la microrred, calculando los ujos de potencia en diferentes escalas de tiempo
(considerado comunmente como nivel terciario). No se abordara el tema de los niveles de control mas bajos ni de las protecciones electricas, que pueden verse detallados por ejemplo
121
en (Vandoorn et al., 2013).

3.3.
Metodologas de control empleadas

En los niveles primario y secundario se suele usar el denominado control de cada o droop control (Vasquez et al., 2010)
para conectar diversos DGs y que se comporten como generadores sncronos. Este tipo de control se ha venido usando en
sistemas de generacion de potencia para los generadores sncronos conectados a red y se puede extender a DGs conectados
mediante convertidores electronicos. El metodo permite que diversos DGs trabajen en paralelo repartiendose la carga de forma
proporcional a su potencia nominal. Se puede demostrar que si
todas las maquinas sincronizadas a un sistema tienen el mismo porcentaje de control de velocidad de cada (droop), compartiran la carga de manera proporcional a la carga base de la
maquina (William D. Stevenson, 1975). Esto no se va a tratar en
detalle en este artculo, que se centra mas en el nivel terciario.
El lector interesado puede referirse a (Vasquez et al., 2010) para mas detalles de droop control en microrredes y uso de otras
tecnicas como el bucle de impedancia virtual (Virtual Impedance Loop).
En muchos casos, la gestion de ujos de energa en microrredes se hace con algoritmos de tipo heurstico (Gu et al.,
2010). La estrategia heurstica mas usada recibe el nombre de
estrategia de control por banda de histeresis (Ulleberg, 2003) y
se basa en mantener el nivel del almacenamiento en una banda,
procediendo a su carga o descarga cuando e ste se sale de la zona
marcada. El funcionamiento detallado del metodo as como la
aplicacion de otros metodos a microrredes con almacenamiento
en forma de hidrogeno puede encontrarse en (Valverde, 2013).
Tambien se han aplicado estrategias basadas en controladores con logica borrosa, como se muestra en (Bilodeau and
Agbossou, 2006). Adicionalmente, una combinacion de logica
borrosa y el apoyo de otro tipo de controlador, como los controladores feedforward permiten realizar una estrategia anticipatoria (Stewart et al., 2009). Tambien se han empleado metodos en
el campo de la inteligencia articial como redes neuronales, de
manera aislada o combinados con controladores de logica borrosa, y algoritmos basados en teora de juegos (Mojica-Nava
et al., 2014).
Se pueden encontrar muchas estrategias basadas en Control Predictivo (Model Predictive Control, MPC)(Camacho and
Bordons, 2010), como las presentadas en (Ferrari-Trecate et al.,
2004) para redes que incluyen turbinas de gas y de vapor. Una
ventaja de este metodo es su capacidad para integrar las predicciones de generacion y de demanda as como una estimacion de
los precios de la energa. Existen desarrollos de controladores
o ptimos para redes con generacion renovable distribuida y almacenamiento electrico en bateras en (Negenborn et al., 2009).
En el caso de sistemas de almacenamiento hbrido, el MPC parece ser una buena solucion, como se muestra en (Del Real
et al., 2007), (Greenwell and Vahidi, 2010). En (Nguyen and
Crow, 2012) se emplea Programacion Dinamica para maximizar el benecio diario y la eciencia del sistema de almacenamiento durante las cargas y descargas. En (Valverde et al.,
2013a) se muestran resultados del uso de tecnicas de MPC centralizado. En determinadas ocasiones aparecen tambien varia-
122
bles de tipo conexion/desconexion o cambio en el comportamiento de los equipos durante la operacion (por ejemplo distinta eciencia de carga y descarga en las bateras), en cuyo caso
el problema es un MPC hbrido, como el mostrado en (Garcia
and Bordons, 2013a).
El uso de estrategias de MPC distribuido (Maestre and Negenborn, 2014) puede resolver diversos problemas en la operacion. En primer lugar, los DGs pueden tener distintos propietarios, lo que conlleva que muchas decisiones se deban tomar de
forma local, haciendo difcil un control centralizado. Ademas
las microrredes pueden operar en un mercado liberalizado, lo
que hace que las acciones locales se deban calcular teniendo en
cuenta las acciones de los otros agentes. Este tema resulta de
especial interes en el caso de microrredes conectadas entre s.
En escalas de tiempo mas grandes existen diversos trabajos
sobre la optimizacion del dimensionamiento de la microrred,
intentando optimizar los costes de operacion en tiempo de meses o incluso anos. En (Hakimi et al., 2013) se presenta una
aplicacion a una microrred para una zona residencial usando
algoritmos geneticos, en la que se calcula tanto el numero necesario como la capacidad de los distintos componentes de la
microrred, incluyendo generacion solar y eolica y distintos tipo
de almacenamiento, as como la gestion combinada de electricidad y calor (Combined Heat and Power, CHP).
4.
Operacion o ptima
En esta seccion se aborda el problema de la operacion o ptima de una microrred a nivel de calculo de ujos de energa,
correspondiente al nivel terciario de la estructura jerarquica. Se
presenta un controlador operando a una escala de tiempo pequena, lo que permite la reaccion a las perturbaciones tanto en
la generacion renovable como en los cambios en la demanda
electrica. Ademas, se tiene en cuenta el intercambio de energa
con la red principal y el coste asociado a ello. Se presenta una
aplicacion desarrollada sobre una microrred real a escala de laboratorio con generacion renovable y almacenamiento hbrido,
que incluye bateras electricas e hidrogeno. El controlador va
calculando en tiempo real las potencias que deben inyectar en
la microrred cada uno de los sistemas de almacenamiento para
ajustar la generacion renovable y la demanda, haciendo uso de
la red externa cuando sea necesario. El calculo de dichas potencias se hace minimizando una funcion de coste que considera
parametros economicos e incluyendo predicciones del aporte
renovable, mediante un controlador MPC. Este tipo de control
se puede encontrar tambien en otras aplicaciones, como Prodan
and Zio (2014) donde se presenta un MPC para otro tipo de microrred que incluye tolerancia a fallos, o en Xie and Ilic (2008),
Xie and Ilic (2009) para el despacho en sistemas electricos de
potencia considerando criterios economicos y medioambientales.
Descripcion de la microrred de laboratorio
La motivacion de la construccion de la microrred fue el
desarrollo de una instalacion experimental exible para la investigacion en la integracion de las energas renovables con el
4.1.
Figura 3: Microrred experimental
vector hidrogeno. La instalacion tiene especiales caractersticas que le permiten implementar y estudiar diferentes modos
de operacion y estrategias de control. El sistema dispone de una
estructura modular con el objetivo de alcanzar un alto grado de
exibilidad en relacion a las topologas de sistemas y componentes que pueden ser investigados Valverde et al. (2013a). Los
principales componentes son una fuente electronica programable para emular diversas fuentes de energa renovable (solar,
eolica, mareomotriz, etc.), un electrolizador tipo PEM (Proton Exchange Membrane) para la produccion de hidrogeno, un
deposito de hidrogeno basado en hidruros metalicos, un banco de bateras de plomo-acido, una pila de combustible tipo
PEM y nalmente una carga electronica programable para emular diferentes condiciones de demanda, como una vivienda o
un vehculo electrico. La instalacion dispone ademas de todos
los dispositivos auxiliares para el correcto funcionamiento de
la planta. Tales como: desionizador de agua, agua de refrigeracion y calefaccion, nitrogeno para inertizacion, detectores de
fugas, etc. La gura 3 muestra una imagen del sistema donde
se pueden observar los equipos principales anteriormente mencionados. La gura 4 muestra un esquema de la planta, cuyas
caractersticas tecnicas se encuentran resumidas en la Tabla 1.
Para la operacion de la microrred hay que tener en cuenta que, normalmente, la energa producida no coincidira con la
demandada. Entonces, el posible exceso de energa procedente
Tabla 1: Equipamiento de la microrred de Laboratorio
Equipo
Fuente Electronica programable
Carga Electronica programable
Electrolizador PEM
Deposito de hidruros metalicos
Pila de combustible PEM
Banco de bateras plomo-acido
Puricador de agua
PLC
Convertidores DC-DC
Valor nominal
6 kW
2.5 kW
0.23 Nm3/h a 1 kW
7 Nm3, 5 bar
1.5 kW a 20 Nl
C120=367 Ah
3 L/h a 15M
M340-Canbus
1.5kW, 1 kW
123
Bateras
Demanda
Ppv
Pload
Pbat
Pgrid
Tanque de
hidruros
metlicos
Red elctrica
Figura 5: Esquema del controlador predictivo propuesto

Electrolizador
Pila de combustible
Figura 4: Esquema de la microrred
de la fuente renovable puede ser almacenado en las bateras o

mediante la produccion de hidrogeno a traves del electrolizador
(mediante el proceso de electrolisis). El hidrogeno producido
en este proceso se almacena en el tanque de hidruros metalicos.
Finalmente la pila de combustible hace uso del hidrogeno cuando es necesario suplir la demanda por ausencia de generacion
de potencia de la fuente renovable. Este tipo de almacenamiento hbrido permite estrategias de operacion del almacenamiento
en dos escalas de tiempo: la batera puede absorber/aportar pequenas cantidades de energa en los transitorios rapidos mientras que el hidrogeno suplementa las variaciones mas grandes.
Adicionalmente, se dispone de conexion a la red principal, con
la que tambien se puede intercambiar energa cuando sea necesario.
4.2.
Formulacion del controlador

En esta seccion se describe la formulacion de un controlador predictivo para gestion de la energa en la microrred, considerando restricciones y costes de operacion. Se ha empleado un
controlador MPC lineal con restricciones, en el cual la solucion
del problema de optimizacion se realiza mediante Programacion Cuadratica (Quadratic Programming, QP), cuya formulacion detallada puede encontrarse en Bordons et al. (2012).
El esquema de control propuesto se muestra en la gura 5,
donde se han asignado al controlador cuatro variables manipulables, la potencia de la pila de combustible (P f c ), la potencia
del electrolizador (Pez ), la potencia importada o exportada de la
red electrica (Pgrid ) y lo que se ha denido como potencia neta (Pnet ). Esta variable permitira satisfacer la demanda electrica
en el sistema, ya que se corresponde con la diferencia entre la
potencia generada y demandada que el sistema tratara de compensar. Las salidas del sistema se han denido como estado de
carga de las bateras (State Of Charge, SOC) y el nivel del tanque de hidruros metalicos (NHM). Como muestra el esquema
de la gura 5, se ha anadido una perturbacion en la variable de
control Pnet . Esta estrategia permite incluir la potencia demanda
y la generada en el esquema, en la forma de una perturbacion.

En este diseno, el controlador fuerza a la potencia neta a cero.
Como resultado, la potencia disponible en la microrred corresponde precisamente con la diferencia entre la potencia generada y demandada. Luego, mediante el empleo del resto de variables correspondientes al electrolizador, pila de combustible
y conexion con la red electrica (Pez , P f c , Pgrid ), el controlador
buscara equilibrar esta diferencia de manera o ptima.
Para nalizar la formulacion del controlador, se presenta la
funcion de coste disenada, que viene dada por la siguiente expresion:
J=
Nu

[1 P2f c (t + k) + 2 P2ez (t + k) + 3 P2grid (t + k)+
k=1
4 P2net (t + k) + 1 P2f c (t + k) + 2 P2ez (t
3 P2grid (t + k) + 4 P2net (t + k)]+
N

[1 (S OC(t + k) S OC re f ) + 2 (MHL(t + k) MHLre f )]
+ k)+
k=1
(1)
Donde N representa el horizonte de prediccion, Nu el de
control, i son los pesos asociados al uso de los equipos, mientras que i son los pesos asociados a las variaciones de potencia
de los mismos. El error en el seguimiento de las referencias
se penaliza con los pesos i . Tanto los pesos de la funcion de
coste, como los valores de horizontes de control, de prediccion
y tiempo de muestreo se han ajustado mediante simulaciones
empleando una herramienta de simulacion informatica desarrollada en Valverde et al. (2013b).
4.3. Resultados experimentales
El controlador predictivo descrito anteriormente ha sido implementado en la instalacion experimental para vericar su funcionamiento en condiciones reales de operacion. Los resultados
experimentales obtenidos se muestran en la gura 6. En este experimento se representa el caso de un da despejado con alto nivel de irradiancia. En este caso se tiene como fuente renovable
un campo fotovoltaico que genera 15.9 kWh a lo largo del da y
una demanda de una vivienda unifamiliar tpica, que a lo largo
del da se corresponde con 14.7 kWh de consumo electrico.
124

FV
Demanda
EZ
FC
Red (comprada)
Red (vendida)
Bateria
2000
1500
Demanda
1500
Batera
FC
Red (comprada)
1000
FV
Potencia (W)
Potencia (W)
1000
500
0
500
500
500
1
10 11 12 13
tiempo (h)
14 15
16
17 18
19
80
20 21
22
NHM
SOC
1000
0
60
Estado de carga (%)
Estado de carga (%)
1000
0
40
0
10 11 12 13
tiempo (h)
14 15
16
17 18
19
20 21
22
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
tiempo (h)
60
NHM
SOC
40
20
0
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
tiempo (h)
Figura 6: Resultados en un da despejado

Figura 7: Resultados en un da nublado
En el experimento, desarrollado durante 24 horas, se puede

observar como el controlador propuesto gestiona satisfactoriamente la energa en la planta. Se puede observar que el electrolizador se activa cuando las bateras se han cargado al 75 %,
la irradiancia sigue siendo muy alta y entonces se necesita almacenar la energa en forma de hidrogeno. El electrolizador
incrementa su consumo de forma suave gracias al diseno de
la funcion de coste, de manera que en los primeros instantes
el grueso del exceso de energa se vende a la red y paulatinamente, la energa exportada va disminuyendo mientras que el
electrolizador consume mas potencia, segun el o ptimo calculado por la funcion de coste. La potencia de la pila de combustible
sigue un patron parecido al funcionamiento del electrolizador.
Cuando las bateras alcanzan el lmite inferior, la pila se activa.
Mientras que va aumentandose la potencia producida por la pila
de combustible, la red asume el transitorio de potencia requerida por la demanda. Finalmente, la potencia importada de la red
y pila de combustible se reparten el suministro de la potencia
demandada de acuerdo al o ptimo establecido por la funcion de
coste.
El siguiente experimento muestra en esta ocasion la actuacion del controlador MPC en un escenario de bajo nivel de irradiancia, con nubosidad frecuente, lo cual somete al sistema de
control a una dura prueba. Se observa en la gura 7 como existe un decit de energa durante la practica totalidad del ensayo,
que es suplido de diferentes formas. En la primera parte, cuando
suceden fuertes uctuaciones de potencia, el control determina
que el coste de cubrir esa energa con la pila de combustible es
demasiado elevado y usa la energa de la red electrica para ello.
Por el contrario, en la segunda mitad del experimento, cuando
las uctuaciones de la nubosidad han desaparecido, el control
determina usar la pila de combustible para suplir el decit de
energa. El controlador actua como un ltro, protegiendo la pila
de combustible de las fuertes uctuaciones caractersticas del
da nublado a la vez que hace un reparto o ptimo de la carga.
Se conrma por tanto, que funciona adecuadamente, acorde al
diseno realizado.
Se observa que el comportamiento en ambos experimentos
viene dictado en gran manera por los pesos de la funcion de coste. En Valverde (2013) se puede encontrar un estudio mas deta-
llado sobre la sintonizacion de los parametros y experimentos

de operacion de la planta en otras situaciones, como das nublados o aporte de generacion eolica.
4.4. Variaciones del metodo
Existen otros trabajos donde se desarrollan controladores
predictivos para esta misma microrred o similares. Por ejemplo, en (Salazar et al., 2013) se presenta un MPC hbrido en
el que se incluyen como variables de decision los tiempos de
arranque y parada de la pila y el electrolizador. De esta manera
se puede evitar un arranque y parada frecuente de estos equipos,
lo que redunda en la mejora de su durabilidad. Por su parte, en
(Garcia and Bordons, 2013a) se resuelve un MPC cuya funcion objetivo incluye los costes asociados al almacenamiento,
tanto los asociados a la degradacion de los equipos como los
de operacion y mantenimiento. El problema de control hbrido
se resuelve con Programacion Cuadratica Entera Mixta (Mixed
Integer Quadratic Programming, MIQP).
Esta optimizacion va normalmente asociada a una capa superior de planicacion (scheduling) que se realiza fuera de lnea
para el da siguiente, usando las predicciones de generacion
(asociadas a variables meteorologicas), de la demanda y de los
precios de la energa. Este tema se abordara en la seccion siguiente. En (Rigo-Mariani et al., 2013) se comparan diversas
estrategias para la planicacion de la operacion diaria de la
red, analizando metodos como Algoritmos Geneticos, Programacion Dinamica y Programacion Lineal.
5.
Integracion de las microrredes en el mercado electrico
En esta seccion se presenta la integracion de una microrred

en el mercado electrico, aportando soluciones basadas en MPC
tanto para la planicacion diaria e intradiaria como para el servicio de regulacion, en escalas de tiempo de segundos. Se desarrolla para una microrred con generacion renovable (plantas fotovoltaica y eolica) y un sistema de almacenamiento hbrido,
formado por elementos electricos (bateras y supercondensadores) e hidrogeno.
125
Figura 8: Estructura y gestion del mercado electrico de la peninsula iberica (Fuente: REE)
5.1.
El mercado electrico
El mercado electrico es un sistema complejo donde se genera en cada instante la cantidad de energa necesaria para abastecer las variaciones de carga que el consumo necesita en cada
instante (Pinson et al., 2007; Holttinen, 2005). El intercambio
de energa primero tiene lugar en el mercado diario, donde los
agentes1 de mercado (compradores y vendedores) tienen que
proponer antes del cierre de la sesion la cantidad de energa
y el precio de venta para cada uno de los periodos en los que
se divide el mercado diario. Una vez realizada la casacion de
energa los agentes son responsables de cualquier desvo de
energa en las ofertas realizadas. Ciertos mercados electricos
contemplan tambien la posibilidad de realizar acciones correctivas a las ofertas realizadas en sesiones de mercado intradiario
que tienen lugar en el desarrollo del periodo de planicacion
energetica del mercado diario. En la gura 8, se pueden observar los distintos mecanismos de gestion y estructura que rigen
el mercado electrico de la peninsula iberica y que son muy similares a los usados en otras partes del mundo.
El funcionamiento de los sistema electricos se encomienda
habitualmente a dos entidades independientes, que son el Operador del Mercado2 y el Operador del Sistema3 . El Operador
1 Entidad que puede acudir como participante en el mercado el
ectrico, tanto
para compra como venta de energa. Pueden actuar como agentes del mercado
los productores, distribuidores y comercializadores de electricidad, as como los
consumidores cualicados de energa electrica y las empresas o consumidores,
residentes en otros pases, que tengan la habilitacion de agentes externos.
2 Sociedad mercantil que asume la gesti
on del sistema de ofertas de compra y
venta de energa electrica en el mercado diario e intradiario de energa electrica
en los terminos que reglamentariamente se establezcan.
3 Sociedad mercantil que tiene como funci
on principal garantizar la continuidad y seguridad del suministro electrico y la correcta coordinacion del sis-
del Sistema tiene como mision asegurar la calidad y continuidad del suministro de energa electrica en tiempo real. Para variaciones rapidas de carga y problemas imprevistos en cuanto a
la capacidad de generacion, el Operador del Sistema tiene a su
disposicion reservas de energa, cuyo uso repercute en la aplicacion de penalizaciones por desvo tanto positivo como negativo a los agentes de mercado que incumplen su planicacion.
Estas penalizaciones dicultan la introduccion de las energas
renovables en el mercado electrico de la energa. El mercado de
energa diario cierra a las 8h del da anterior al cual la energa
es producida, teniendo que hacer la planicacion de generacion
para el da siguiente de 0-24h, usualmente distribuido por horas.
Cualquier desviacion respecto a esta planicacion requiere de
acciones correctivas en las sesiones de mercado intradiario, o
bien, mediante la aplicacion de las penalizaciones del operador
del sistema en el mercado de servicio de regulacion.
La introduccion de los sistemas de almacenamiento de energa
no solo permitira a las energas renovables actuar en el mercado de la energa pudiendo corregir las desviaciones frente a la
planicacion realizada, sino que ademas posibilitara una planicacion economica mejor facilitando la venta de energa en
aquellos periodos en los que el precio es mayor. En funcionamiento en microrred, se podra comprar energa en aquellos periodos de menor precio de la energa para abastecer las cargas
y autoabastecer a las cargas en aquellos periodos en los que el
precio de la energa electrica es elevado.
tema de produccion y transporte, ejerciendo sus funciones en coordinacion con

los operadores y sujetos del mercado de energa electrica bajo los principios de
transparencia, objetividad e independencia. En algunos mercados, el Operador
del Sistema es tambien el gestor de la red de transporte.
126
5.2.
Planicacion del mercado diario de microrredes con almacenamiento hbrido usando MPC
En esta seccion, se muestra la planicacion economica de la
microrred para el mercado diario (Garcia and Bordons, 2013a).
La explotacion o ptima de la microrred se basa en optimizar el
ujo de energa entre los distintos recursos de la micrrored, bien
la compra/venta de energa con red, bien la generacion de hidrogeno mediante el electrolizador (elz), carga(car)/descarga(des)
de la batera (bat) o generacion de electricidad mediante la pila
de combustible (pc). La funcion de coste del controlador trata
de minimizar el uso de cada subsistema de la microrred:
J=
24
Jred (hi ) + Jbat (hi ) + Jelz (hi ) + J pc (hi )
5.2.2. Funcion de coste de las bateras

El coste de uso de las bateras viene dado por la perdida de
vida u til en las mismas, que se produce por tres factores fundamentales que deben de evitarse: temperatura de trabajo, el
numero de ciclos de carga/descarga y altas corrientes de carga/descarga (Sikha et al., 2003; Ning et al., 2006; Arora et al.,
1998), dando lugar a la siguiente funcion de coste:
Jbat =
hi =1
(2)
P f v (tk ) + Paero (tk ) Pcarga (tk ) = Pred (tk )

+ zelz (tk ) z pc (tk ) + Pbat (tk )
(3)
Pi (tk ) Pmax
|i=red,elz,pc,bat
Pmin
i
i
(4)
min
max
S OCbat
S OCbat (tk ) S OCbat
(5)
LOH min LOH(tk ) LOH max
(6)
0 i (tk ) 1|i=elz,pc
(7)
donde P f v , Paero y Pcarga son, respectivamente, la prevision de

potencia fotovoltaica, eolica y consumo de cargas por cada periodo de planicacion de la microrred. Las variables S OC y
LOH hacen referencia al estado de cargas de las bateras y el
nivel de hidrogeno en el deposito de almacenamiento. La variable i , muestra el estado logico de encendido o apagado del
electrolizador y la pila de combustible. Las variables z j (tk ), se
denen como variables mixtas, enteras-logicas segun la ecuacion siguiente.
z j (tk ) = P j (tk ) j (tk )| j=elz,pc
(8)
Las relaciones logicas que se introducen pueden ser traducidas a inecuaciones usando las relaciones denidas en (Bemporad and Morari, 1999) que se introducen como restricciones del
controlador. Se detallan a continuacion las funciones de coste
que se emplean para resolver los distintos problemas.
5.2.1. Funcion de coste de la red
El coste de intercambio de energa viene dado por el precio
de la energa en el mercado diario DM , que es diferente en
compra y en venta. La potencia de venta a la red y la potencia
de compra a la red vienen denidos por las variables Pventa y
Pcompra
Jred =
24

MD
MD
(hi ) Pventa (hi ) + compra
(hi ) Pcompra (hi ) T s
venta
hi =1
(9)
CCbat
Pbat,car (hi ) T s bat,car
2 Ciclosbat
+ Costdegr,car P2bat,car (hi )

Pbat,des (hi ) T s
CCbat
+
2 Cyclesbat
des,bat

2
+Costdegr,des Pbat,des (hi )
hi =1
sujeto a las siguientes restricciones fsicas:
24
(10)
donde CCbat es el coste de adquisicion de las baterias, Ciclosbat

es el numero de ciclos de vida de las bateras y indica el rendimiento en carga y descarga de las bateras. El factor Costdegr
penaliza las altas corrientes de carga y descarga que ademas
provocan aumento en la temperatura de las baterias.
5.2.3.
Funcion de coste del almacenamiento en ciclo de hidrogeno

El almacenamiento en ciclo de hidrogeno, habitualmente
esta compuesto por un electrolizador, un deposito de almacenamiento de hidrogeno y una pila de combustible. Variaciones
de carga en los electrolizadores producen cambios en la presion
diferencial que afectan a la resistencia mecanica de la membrana y degradacion qumica de la misma. Los ciclos de encendido/apagado producen degradacion mecanica debido al ciclado de presion y temperatura. Tambien se produce degradacion
qumica causada por la polaridad incontrolada del conjunto de
celdas o stack. Se forma peroxido de hidrogeno en el catodo
despues del apagado con la consiguiente oxidacion de la membrana y el soporte de carbono (Barbir, 2005; Gorgun, 2006; Cargnelli, 2013). De la misma forma, variaciones de carga en la
pila de combustible producen perdidas de resistencia mecanica
de la membrana debido al ciclado tanto termico como de humectacion de la misma. El funcionamiento frente a cargas uctuantes produce degradacion qumica de la membrana debido
al ataque de radicales por mantener el stack a circuito abierto.
Un ciclado frente cargas uctuantes produce la disolucion de
particulas de platino en el catodo. De la misma forma se puede
dar el fenomeno conocido como starvation, el cual se produce cuando no se puede suministrar el oxgeno necesario para la
corriente demandada. A su vez, ciclos de arranque y parada en
la pila de combustible producen la corrosion del carbono en los
electrodos (Suh, 2006; De Bruijn et al., 2008). Las funciones
de coste del electrolizador y la pila de combustible que intentan
evitar estos fenomenos se denen en las ecuaciones siguientes:

CCelz
Jelz (hi ) =
+ Costoym,elz elz (hi )+
Horaselz
(11)
of f
Costarranque,elz on
elz (hi ) + Costapagado,elz elz (hi )
2500
fv
= max( j (tk1 ) j (tk ), 0)| j=elz,pc
(14)
Potencia (W)
10
tiempo (h)
15
20
x 10
Prediccin de precios
10
15
20
tiempo (h)
Figura 10: Prediccion de precios de la energa en el mercado diario
(16)
(17)
La variable j (tk ), es una variable entera-logica que tiene en

cuenta todos los estados de variacion de potencia de los equipos, salvo en los momentos de encendido y apagado.
j (tk ) = z(tk ) ( j (tk ) j (tk1 ))| j=elz,pc
500
Figura 9: Resultados de la planicacion economica de la microrred usando

MPC
(15)
Estas relaciones se pueden a su vez traducir a inecuaciones

segun se muestra en (Bemporad and Morari, 1999), siendo introducidas como restricciones en el controlador.
Se dene el estado logico de degradacion ( j (tk )), como todos los momentos en los que los equipos estan encendidos salvo
en los momentos de encendido y apagado:
j (tk ) = ( j (tk ) j (tk1 ))
1000
(13)
= j (tk1 ) ( j (tk ))| j=elz,pc
cargas
-1500
Usando las leyes de Karnaugh, pueden ser denidas con las siguientes variables logicas:
oj f f (tk )
-P
aero
-1000
(12)
= max( j (tk ) j (tk1 ), 0)| j=elz,pc
on
j (tk ) = j (tk ) ( j (tk1 ))| j=elz,pc
bat
P +P
-500
donde CC indica el coste de adquisicion de los equipos, Horas

indica el numero de horas de vida de los equipos, Costarranque
y Costapagado indican el coste por la degradacion que sufren los
equipos por encendido y apagado. El termino Costdegr cuantica la degradacion frente a cargas uctuantes de los equipos.
Los estados logicos de encendido y apagado de los equipos se
pueden denir con las relaciones siguientes:
on
j (tk )
of f
j (tk )
red
1500
Precio Energia (Euro/MWh)
+ Costapagado,pc
opcf f (hi )
PH2
2000
+ Costdegr,elz 2elz (hi )

CC pc
J pc (hi ) =
+ Costoym,pc pc (hi )+
Horas pc
Costarranque,pc on
pc (hi )
+ Costdegr,pc 2pc (hi )
127
(18)
En la gura 9 se muestran los resultados de la planicacion

economica de la microrred usando tecnicas MPC. El problema
planteado es de Programacion Mixta Cuadratica (Mixed Integer
Quadratic Programming, MIQP). Como se puede observar la
compra y venta de energa con la red electrica se realiza en los
momentos de mayor benecio economico, al tiempo que las
potencias de carga y descarga de las bateras se minimizan, al
igual que las horas de funcionamiento del electrolizador y la
pila de combustible. Tambien se minimizan los encendidos y
apagados del electrolizador y la pila de combustible, as como
las variaciones de carga aplicadas al electrolizador y la pila de
combustible.
5.3.
Mercado intradiario de microrredes con almacenamiento hbrido usando MPC

El mercado intradiario es un mercado de ajustes de los desvos en generacion o en demanda que se pueden producir con
posterioridad a haberse jado el Programa Diario Viable Denitivo. Las diferentes causas por las que los agentes pueden
querer variar su prevision de generacion o consumo pueden deberse a averas o a un cambio de prevision en las centrales de
produccion de energa renovable. Este mercado esta organizado
en seis sesiones (ver Tabla 2), cada una con un horizonte de programacion menor, donde pueden presentar ofertas de compra o
venta de energa tan solo aquellos agentes que hayan participado en la sesion del mercado diario y en aquellos periodos en
los que hayan participado. El programa de transacciones resultante de cada mercado intradiario es analizado y aprobado por
el Operador del Sistema para garantizar el cumplimiento de los
Tabla 2: Sesiones del Mercado Intradiario

Sesion
Primera
Segunda
Tercera
Cuarta
Quinta
Sexta
Apertura
16.00h
21.00h
01.00h
04.00h
08.00h
12.00h
Horizonte
21-24h
1-24h
5-24h
8-24h
12-24h
16-24h
Schedule
28 h
24 h
20 h
17 h
13 h
9h
128
criterios de seguridad, generando el Programa Horario Final.

MD
MD
MD
MD
Jred (hi ) = venta
(hi ) Pventa
(hi ) + compra
(hi ) Pcompra
(hi )
MI
IM
+ venta
(hi ) Pventa
(hi ) red (hi )
MI
IM
compra
(hi ) Pcompra
(hi )) red (hi )
(19)

red (hi ) =
MD
(tk ) 0
Pred
MD
(tk ) = 0
Pred
1
0
(20)
Tan solo en aquellos instantes en los que se haba planicado

un intercambio de energa en el mercado diario, pueden ser ampliados o disminuidos mediante la venta o compra de energa
en el mercado intradiario. Para cumplir con esta especicacion
se introduce la variable logica red (hi ), la cual tiene valor 1 en
aquellos periodos horarios en los que se tiene participacion del
mercado diario y 0 en aquellos en los que no se tiene. El producto de esta variable logica por la energa intercambiada con
la red da lugar a las variables mixtas zventa y zcompra las cuales
se introducen como restricciones en la minimizacion.
sch
Pgrid (hi ) = P sch
sale (hi ) P pur (hi ) + z sale (hi ) z pur (hi )
(21)
Teniendo en cuenta las consideraciones hechas en el nivel de

control del mercado intradiario de la microrred, se introduce la
funcion de coste de la red que se dene a continuacion, donde
los horizontes de control y de prediccion son denidos segun la
sesion del mercado intradiario en la que se este actuando.
J=
SH

Jgrid (hi ) + Jbat (hi ) + Jelz (hi ) + J f c (hi )
(22)
hi =1
El resto de funciones de coste para el resto de sistemas de la

microrred que se usaron en el mercado diario ecuaciones (10)(12), es valido para el mercado intradiario. En la graca de la
gura 11, se puede observar como se modica el uso de los sistemas de almacenamiento para gestionar el mercado intradiario
respetando la planicacion realizada en el mercado diario.
5.4.
Servicio de regulacion en microrredes con almacenamiento hbrido usando MPC

El servicio de regulacion permite ajustar la generacion a la
demanda y mantener el suministro electrico a la frecuencia establecida. El uso de la penalizacion por desvo es un incentivo
para que los agentes de mercado cumplan con la planicacion
realizada. Existen tres niveles de regulacion, la regulacion primaria cuyo objetivo es la correccion automatica (en 30 segundos) de los desequilibrios instantaneos de frecuencia por medio
de los reguladores de velocidad y segun la propia inercia de las
maquinas o instalaciones de generacion. Este servicio es obligatorio y no tiene una remuneracion adicional. La regulacion
secundaria permite al operador del sistema disponer de una reserva de capacidad disponible muy exible (deben responder
en 30 segundos en caso de contingencia) para resolver desequilibrios signicativos entre generacion y demanda. El servicio
de regulacion secundaria es gestionado por zonas de regulacion/agrupaciones de centrales con capacidad de prestar el servicio de regulacion secundaria, a requerimiento automatico del
programa de control de la generacion del operador del sistema,
con exigencias de respuesta con constante de tiempo de 100 segundos. El servicio de regulacion terciaria es de caracter obligatorio para las unidades de produccion que pueden ofrecerlo.
As, todas las unidades de generacion del sistema que pueden
variar su produccion en un tiempo no superior a 15 minutos
y mantener la variacion durante 2 horas deben ofrecer toda su
capacidad excedentaria (no contratada en otros mercados o servicios) al operador del sistema. La disposicion de sistemas de
almacenamiento de energa permite disponer de margen de regulacion propio para no tener que ser penalizado por desvos,
pero ademas permite vender esta capacidad de regulacion en el
caso de no ser necesaria. Los historicos meteorologicos se almacen en la estacion meteorologica cada diez minutos, por lo
que, cada hora se divide en intervalos de 10 minutos y se impone un horizonte de control de 3 horas (18 instantes de control)
para cumplir con el requerimiento de la red de mantener durante 2 horas la energa planicada en el mercado de servicio de
regulacion. La funcion a minimizar en el MPC viene dada por:
RM
RM
J(tk ) = Jred
(tk ) + Juc
(tk )
3000
2500
Pintradiario
2000
Pdiario
Pbat
1500
Potencia (W)
RM
+ Jbat
(tk ) + JHRM
(tk )
2
Ptotal
grid
PH
PREDrem
1000
(23)
A continuacion se particulariza esta ecuacion para cada sistema de almacenamiento, ya que ahora las funciones objetivo son
distintas al problema previo.
5.4.1. Funcion de Coste de la Red
La funcion de coste de la red viene dada por el coste de la
penalizacion por desvo por encima o por debajo de lo planicado con el operador de mercado en el mercado de intradiario.
500
0
-500
-1000
-1500
0
10
tiempo (h)
15
20
MR
Jred
(tk ) =
j=18

j=1

MI
Pred (tk+ j ) Pred
(hi ) subir,reg (tk+ j )

MR
MI
ba
jar,reg (tk+ j ) Pred (tk+ j ) Pred (hi ) ba jar,reg (tk+ j )
(24)
MR
subir,reg (tk+ j )
Figura 11: Planicacion Mercado Intradiario
donde,
de coste.
1
0

0
ba jar,reg (tk ) =
1
subir,reg (tk ) =
MI
(Pred (tk ) Pgrid
(hi )) 0
MI
(Pred (tk ) Pred
(hi )) < 0
(25)
MI
(Pred (tk ) Pred
(hi )) 0
MI
(Pred (tk ) Pred
(hi )) < 0
(26)
5.4.2. Funcion de Coste del Supercondensador

La funcion de coste del supercondensador gestiona este sistema de almacenamiento de energa para que este siempre disponible para acciones correctivas ante imprevistos de consumo
de carga o de generacion, manteniendolo en un nivel de referencia de estado de carga intermedio.
J sc (tk ) =
j=18

f 2
w sc S OC sc (tk+ j ) S OC re
sc
JH2 (tk ) =

2
wH2 LOH(tk+18 ) LOH MM (tk+18 )
1
CCelz
j=18

6
+ Costoym,elz elz (tk+ j )
Horaselz
j=1
+ Costencendido,elz on
elz (tk+ j )
+ Costapagado,elz oelzf f (tk+ j )
(27)
Jbat (tk ) =

2
IM
(tk+18 )
wbat S OCbat (tk+18 ) S OCbat

j=18
Pbat,dis (tk+ j )
CCbat
1
+
6 j=1 2 Cyclesbat
dis,bat

+Pbat,ch (tk+ j ) bat,ch
+ Cost startup,pc on
pc (tk+ j )
+ Cost shutdown,pc opcf f (tk+ j )

+Costdegr,pc 2pc (tk+ j )
5000
Pred
4000
Mercado Regulacin
Pbat
Psc
PH2
3000
Prem
PIM
red
2000
Potencia (W)
5.4.3. Funcion de coste de las bateras

La funcion de coste para el uso de las baterias en el nivel de
control de la regulacion de servicio, viene dada por una penalizacion del desvo respecto a la planicacion dada en los mercados intradiarios, dado que las desviaciones en el corto plazo
(3h) pueden afectar a la planicacion realizada a largo plazo
(3h-24h). Notese que la desviacion del estado de carga de las
baterias tan solo se tiene para el instante nal del horizonte de
control, el resto de los instantes la planicacion del almacenamiento de energa la realiza el MPC de regulacion de servicio
o la planicacion en el corto plazo. Los distintos aspectos de
degradacion comentados anteriormente tambien deben ser incluidos en la funcion de coste.
(29)
+ Costdegr,elz 2elz (tk+ j )

1
CC
pc
6
+
+ Costoym,pc pc (tk+ j )
Horas pc
j=1
1000
-1000
-2000
-3000
(28)
+Costdegr,dis P2bat,dis (tk+ j )

+Costdegr,ch P2bat,ch (tk+ j )
Funcion de Coste del Almacenamiento en Ciclo de Hidrogeno
De manera similar a las bateras, la funcion de coste para
el uso del almacenamiento en ciclo de hidrogeno en el nivel
de control de la regulacion de servicio, viene dado por una penalizacion del desvo respecto a la planicacion dada en los
mercados intradiarios, dado que las desviaciones en el corto
plazo (3h) pueden afectar a la planicacion realizada a largo
plazo (3h-24h). Los distintos aspectos de degradacion comentados anteriormente tambien deben ser incluidos en la funcion
5.4.4.
129
-4000
13.5
14
14.5
15
15.5
16
tiempo (h)
Figura 12: Planicacion en el Mercado de Regulacion
5.4.5. Resultados
El controlador MPC para el servicio de regulacion es el u ltimo nivel por encima de reparto de cargas en tiempo real. Se
ejecuta media hora antes de cada hora planicada con un horizonte de prediccion de 3 horas. Este corto horizonte propicia
la accion del supercondensador. Como se muestra en la gura
12, el algoritmo enva una referencia constante al electrolizador
para todos los instantes de trabajo, minimizando as los efectos de degradacion. Tambien se minimizan las desviaciones por
desvo as como la corriente de pico de carga en las bateras,
cuyo perl de carga es suave. El supercondensador se mantiene
sobre su SOC de referencia y tambien se sigue el nivel deseado de almacenamiento de hidrogeno (gura 14). Se observa por
tanto que el MPC disenado permite seguir las referencias planicadas a largo plazo ajustando las peticiones a los sistemas
130
SOCbat
SOCIM
bat
SOCuc
refuc
Estado de carga(%)
0.8
0.6
0.4
0.2
13.5
14
14.5
tiempo (h)
15
15.5
16
Figura 13: Seguimiento de la planicacion del estado de carga
de almacenamiento para cumplir los requisitos de operacion de

e stos.
LOH
LOHIM
Nivel Deposito Hidrogeno (Nm3)
4.5
3.5
13.5
14
14.5
time (h)
15
15.5
16
Figura 14: Seguimiento de la planicacion del nivel del hidrogeno
6.
Lneas abiertas
Existen numerosas lneas abiertas relacionadas con el control de microrredes. En cuanto al control de variables electricas,
en la actualidad se estan dedicando esfuerzos al diseno de esquemas especiales de proteccion y sistemas de control que garanticen una operacion segura y economicamente eciente de la
microrred tanto en modo aislado como conectado a red, incluido el rediseno de los esquemas de proteccion al nivel de distribucion para tener en cuenta los ujos de energa bidireccionales. Pero es en la gestion y planicacion o ptimas de la microrred
en las distintas escalas de tiempo donde mas campos abiertos
existen. Uno de estos campos de interes esta relacionado con la
integracion de los vehculos electricos en las microrredes. Los
sistemas Vehculo a Red (Vehicle to Grid, V2G) consisten en
la utilizacion de las bateras de los coches electricos (incluyendo hbridos), durante los periodos en que e stos no se utilizan,
como almacenamiento de energa para una red electrica. Teniendo en cuenta el tamano actual del parque automovilstico y
que se preve un incremento progresivo del numero de vehculos electricos, la capacidad de almacenamiento de energa que
se puede disponer en un futuro mas o menos proximo es suciente para poder acercar de manera signicativa la oferta y
demanda en una microrred, y por tanto mejorar el comportamiento y la estabilidad del sistema electrico. Ademas, los sistemas V2G permiten plantear nuevos modelos de negocio donde
apareceran nuevos actores, como por ejemplo los Gestores de
Carga, que seran responsables de la infraestructura de recarga,
proporcionando servicio a los vehculos, vendiendo o comprando electricidad y estableciendo relaciones con los gestores de
la red. En relacion a ello, en los u ltimos anos han aparecido
en la literatura algoritmos de control para la carga de vehculos
electricos en redes, en los que por un lado se busca un servicio
o ptimo de recarga respetando las preferencias del conductor y
por otro lado garantizar el seguimiento de un determinado perl
de potencia en la red, considerando ademas diversas restricciones tanto en el vehculo, en la estacion de carga y en la red. En
(Deilami et al., 2011) (Richardson et al., 2012) se resuelve el
problema mediante algoritmos de optimizacion en tiempo real,
mientras que en (Giorgio et al., 2013) se presenta un algoritmo
basado en MPC. Tambien se han aplicado a la resolucion del
problema algoritmos distribuidos o jerarquicos (Bashash and
Fathy, 2011) (Fan, 2011) (Galus et al., 2010). En general, la
mayora de los algoritmos en la literatura estan centrados en
las interacciones entre los usuarios y la compana de suministro, que se resuelve principalmente mediante la resolucion de
algoritmos de optimizacion en tiempo real. Tambien resulta de
gran interes la gestion de las cargas de la microrred, en lo que
se denomina Gestion de la demanda(Demand Side Management, DSM) . En este sentido, resulta de interes disenar esquemas apropiados para que los consumidores puedan reaccionar
de forma activa a las necesidades de la red, desconectando o
disminuyendo la potencia de las cargas en determinados momentos. De esta forma, las variables de decision no son solo las
potencias de los DGs o el almacenamiento, sino que las cargas
pueden tambien manipularse en cierta medida. En este sentido, la microrred o algunos de sus elementos pueden considerarse tanto productores de energa como consumidores, ya que
pueden actuar de diversas maneras en diferentes instantes de
tiempo. Para designar esta gura, se ha acunado el termino prosumer, que sirve para denominar a agentes que pueden actuar
tanto como generadores (vendiendo energa cuando el precio
es elevado) o como consumidores (comprando cuando no hay
energa propia disponible). Al disponer de sistema de almacenamiento, el prosumer podra operar para satisfacer un objetivo economico, considerando tanto la prediccion de generacion
(asociada a pronosticos del tiempo en el caso de renovables)
como la situacion cambiante de los precios y las posibles restricciones del operador de la red electrica (Rigo-Mariani et al.,
2013). Esto abre nuevas posibilidades al desarrollo de algoritmos de optimizacion tanto para la planicacion diaria de las
microrredes como para la operacion en tiempo real. Relacionado con lo anterior, surge el paradigma de las Plantas de Potencia Virtuales(Virtual Power Plant, VPP), que son microrredes
que desde el punto de vista de la red electrica operan como una

planta de potencia clasica, tanto en cuanto a comportamiento
electrico (potencia activa y reactiva, frecuencia, reserva rodante, etc.) como desde el punto de vista economico, formando parte del mercado tal como se ha mostrado en el apartado anterior.
De esta forma, una planta de generacion renovable se puede
convertir en una planta despachable. Estas plantas pueden por
tanto participar en el mercado en distintas escalas de tiempo,
incluido el corto plazo y por tanto colaborar en el servicio de
regulacion (Garcia and Bordons, 2013b), vendiendo energa a
un precio muy alto para el mantenimiento de la frecuencia y de
la estabilidad de la red. Esto las hace muy atractivas, por lo que
el desarrollo de algoritmos de operacion o ptima de las VPPs es
un tema con gran proyeccion de futuro.
7.
Conclusiones
Este artculo ha presentado la problematica de control en

las microrredes que integran generacion renovable y diversas
tecnologas de almacenamiento, describiendo las metodologas
que abordan el problema. Se muestra como el paradigma de la
microrred puede permitir una mayor integracion de las energas
renovables en el sistema electrico. Tambien se han mostrado
desarrollos de Control Predictivo para la operacion o ptima de
microrredes y para su conexion a la red electrica formando parte del mercado en sus diversas escalas. Los casos estudiados
incluyen diversas fuentes renovables y almacenamiento hbrido
con hidrogeno, lo que permite gestionar el balance de energa en
distintas escalas de tiempo. El desarrollo de controladores adecuados permitira una participacion competitiva de las energas
renovables y la integracion de las microrredes en el nuevo modelo de sistema electrico.
English Summary
Optimal Energy Management for Renewable Energy Microgrids.
Abstract
This paper deals with some issues related to optimal operation of microgrids, which are a group of loads, generators and
energy storage systems that can be managed isolated or connected to the main grid, in a coordinated way in order to reliably
supply electricity. The control problems and solution are addressed both for optimal dispatch and for the integration of the
microgrid in the electricity market. Development of Model Predictive Controllers are presented for case studies that include
several renewable sources (photovoltaic and wind) as well as
hybrid storage using hydrogen. Some experimental results for a
demonstration microgrid are presented, as well as simulations
of scheduling in the electricity market. The results indicate that
development of the appropriate controllers will allow a competitive participation of renewable energy in the new model of the
electrical system.
131
Keywords:Microgrids; renewable energy; model predictive control; energy management; electrical system
Agradecimientos
Los autores agradecen al Ministerio de Economa y Competitividad de Espana la nanciacion de parte de estos trabajos
mediante el contrato DPI2013-46912-C2-1.
Referencias
Alvial-Palavicino, C., Garrido-Echeverria, N., Jimenez-Estevez, G., Reyes, L.,
Palma-Behnke, R., 2011. A methodology for community engagement in the
introduction of renewable based smart microgrid. Energy for Sustainable
Development 15 (3), 314323.
Arora, P., White, R. E., Doyle, M., 1998. Capacity fade mechanisms and side reactions in lithium-ion batteries. Journal of the Electrochemical Society
145 (10), 36473667.
Barbir, F., 2005. Pem electrolysis for production of hydrogen from renewable
energy sources. Solar Energy 78 (5), 661669.
Bashash, S., Fathy, H., 2011. Robust demand-side plug-in electric vehicle load
control for renewable energy management. In: Proc. American Control Conference.
Bemporad, A., Morari, M., 1999. Control of systems integrating logic, dynamics, and constraints. Automatica 35 (3), 407427.
Bidram, A., Davoudi, A., 2012. Hierarchical structure of microgrids control
system. IEEE Trans on Smart Grid 3, 19631976.
Bidram, A., Lewis, F. L., Davoudi, A., 2014. Distributed control systems for
small-scale power networks. IEEE Control Systems Magazine 34 (6), 56
77.
Bilodeau, A., Agbossou, K., 2006. Control analysis of renewable energy system
with hydrogen storage for residential applications. Journal of Power Sources
162, 757764.
Bordons, C., Rosa, F., Valverde, L., 2012. Power management using model predictive control in a hydrogen-based microgrid. In: IECON 2012 - 38th Annual Conference on IEEE Industrial Electronics Society, Montreal.
Brabandere, K. D., Vanthournout, K., Driesen, J., Deconinck, G., Belmans, R.,
2007. Control of microgrids. In: Dept. of Electr. Eng., Katholieke Univ. Leuven, Leuven : Power Engineering Society General Meeting, IEEE.
Camacho, E. F., Bordons, C., 2010. Control predictivo: Pasado, presente y futuro. Revista Iberoamericana de Automatica e Informatica Industrial 1 (3).
Cargnelli, J., 2013. Recent advances in pem water electrolysis. First International Workshop on durability and degradation issues of PEM electrolysis,
Freiburg, Germany.
De Bruijn, F., Dam, V., Janssen, G., 2008. Review: durability and degradation
issues of pem fuel cell components. Fuel cells 8 (1), 322.
Deilami, S., Masoum, A., Moses, P., Masoum, M., 2011. Real-time coordination of plug-in electric vehicle charging in smart grids to minimize power
losses and improve voltage prole. IEEE Trans. on Smart Grid 2 (3).
Del Real, A., Arce, A., Bordons, C., 2007. Hybrid model predictive control of a
two generator power plant integrating photovoltaic panels and fuel cell. In:
Proceedings of 46th IEEE Conf. on Decision and Control.
Dondi, P., Bayoumi, D., Haederli, C., Julian, D., Suter, M., 2002. Network integration of distributed power generation. J. of Power Sources 106 (1), 19.
Dotsch, C., 2009. Energy storage. In: Technology Guide. Springer, pp. 362
367.
Fan, Z., 2011. A distributed demand response algorithm and its application to
phev charging in smart grids. IEEE Trans. on Smart Grid 3, 12801290.
Ferrari-Trecate, G., Gallestey, E., Letizia, P., Spedicato, M., Morari, M., Antoine, M., 2004. Modeling and control of co-generation power plants: a hybrid
system approach. IEEE Trans. on control systems technology 12 (5), 694
705.
Funabashi, T., Koyanagi, K., Yokoyama, R., 2003. A review of islanding detection methods for distributed resources. In: Proc. IEEE PowerTech Conf.
Galus, M. D., LaFauci, R., Andersson, G., 2010. Investigating phev wind balancing capabilities using heuristics and model predictive control. In: IEEE
Power and Energy Society General Meeting.
132
Garcia, F., Bordons, C., 2013a. Optimal economic dispatch for renewable
energy microgrids with hybrid storage using model predictive control. In:
Industrial Electronics Society, IECON 2013-39th Annual Conference of the
IEEE, Viena, Austria. pp. 79327937.
Garcia, F., Bordons, C., 2013b. Regulation service for the short-term management of renewable energy microgrids with hybrid storage using model predictive control. In: Industrial Electronics Society, IECON 2013-39th Annual
Conference of the IEEE, Viena, Austria. pp. 79627967.
Garcia, F., Bordons, C., 2014. Model predictive control based inverter for
energy storage integration in renewable energy microgrids. In: IEEE 11th
International Conference on Modeling and Simulation of Electric Machines,
Converters and Systems, (Electrimacs), Valencia, Espana.
Giorgio, A. D., Liberati, F., Canale, S., 2013. IEC 61851 compliant electric
vehicle charging control in smartgrids. In: 21st Mediterranean Conference
on Control and Automation (MED). Crete, Greece.
Gorgun, H., 2006. Dynamic modelling of a proton exchange membrane (pem)
electrolyzer. International journal of hydrogen energy 31 (1), 2938.
Greenwell, W., Vahidi, A., 2010. Predictive control of voltage and current in a
fuel cell-ultracapacitor hybrid. IEEE Trans. on Industrial Electronics 57 (6),
19541963.
Gu, W., Wu, Z., Yuan, X., 2010. Microgrid economic optimal operation of the
combined heat and power system with renewable energy. In: IEEE. Power
and Energy Society General Meeting.
Hajimiragha, A., Zadeh, M. R. D., 2013. Research and development of a microgrid control and monitoring system for the remote community of bella coola:
Challenges, solutions achievements and lessons learned. In: Proc. IEEE Internat. Conf. on Smart Energy Grid Engineer. (SEGE13).
Hakimi, S., Moghaddas-Tafreshi, S. M., Hassanzadehfard, H., Taylor, G. A.,
Alamuti, M. M., 2013. Optimization of a reliable combined cooling, heat
and power microgrid system. In: Industrial Electronics Society, IECON
2013-39th Annual Conference of the IEEE, Viena, Austria.
Hatziargyriou, N., Asano, H., Iravani, R., Marnay, C., 2007. Microgrids. IEEE
Power Energy Mag. 5 (4), 7894.
Holttinen, H., 2005. Optimal electricity market for wind power. Energy Policy
33 (16), 20522063.
Jiay, H., Chuanwen, J., Rongi, X., 2008. A review on distributed energy resources and microgrid. Renewable Sustainable Energy Rev. 12, 24722483.
Lasseter, R. H., 2002. Microgrids. IEEE Power Eng Soc Transm Distrib Conf,
3058.
Lidula, N., Rajapakse, A., 2011. Microgrids research: a review of experimental
microgrids and test systems. Renewable Sustainable Energy Rev 15, 186
202.
Lopes, J., Moreira, C., Madureira, A., 2006. Dening control strategies for microgrids islanded operation. IEEE Trans. Power Syst. 21 (2), 916924.
Lopes, J. P., Hatziargyriou, N., Mutale, J., Djapic, P., Jenkins, N., 2007. Integrating distributed generation into electric power systems: A review of drivers,
challenges and opportunities. Electric Power Syst. Research 77 (9), 1189
1203.
Maestre, J. M., Negenborn, R. R., 2014. Distributed Model Predictive Control
Made Easy. Springer.
Mojica-Nava, E., Macana, C. A., Quijano, N., 2014. Dynamic population games for optimal dispatch on hierarchical microgrid control. IEEE Trans. on
Systems, man and cybernetics 44 (3).
Negenborn, R. R., Houwing, M., Schutter, B. D., Hellendoorn, J., 2009. Model predictive control for residential energy resources using a mixed-logical
dynamic model. In: Networking, Sensing and Control, 2009. ICNSC09.
Nguyen, T. A., Crow, M. L., 2012. Optimization in energy and power management for renewable-diesel microgrids using dynamic programming algorithm. In: Proc 2012 IEEE International Conference on Cyber Technology
in Automation.
Ning, G., White, R. E., Popov, B. N., 2006. A generalized cycle life model of
rechargeable li-ion batteries. Electrochimica acta 51 (10), 20122022.
Olivares, D. E., Mehrizi-Sani, A., Etemadi, A. H., Canizares, C. A., Iravani,
R., Kazerani, M., Hajimiragha, A. H., Gomis-Bellmunt, O., Saeedifard, A.,
Palma-Behnke, R., Jimenez-Estevez, G. A., Hatziargyriou, N. D., 2014.
Trends in microgrid control. IEEE Trans on Smart Grid 5 (4).
Palizban, O., 2011. Active and reactive power control for a hybrid system with
photovoltaic panel, windturbine, fuelcells, electrolyzer and supercapacitor
in o-grid mode. In: IEEE international conference on control system, computing and engineering (ICCSCE).
Palizban, O., Kauhaniemi, K., Guerrero, J., 2004. Microgrids in active network management-part i: Hierarchical control,energy storage, virtual power plants, and market participation. Renewable and Sustainable Energy
Reviews.
Palma-Behnke, R., Benavides, C., Lanas, F., Severino, B., Reyes, L., Llanos,
J., Saez, D., 2013. A microgrid energy management system based on the
rolling horizon strategy. IEEE Trans. Smart Grid 4 (2), 9961006.
Pinson, P., Chevallier, C., Kariniotakis, G. N., 2007. Trading wind generation
from short-term probabilistic forecasts of wind power. Power Systems, IEEE
Transactions on 22 (3), 11481156.
Prodan, I., Zio, E., 2014. Model predictive control framework for reliable microgrid energy management. Electrical Power and Energy Systems 61, 399
409.
Richardson, P., Flynn, D., Keane, A., 2012. Optimal charging of electric vehicles in low-voltage distribution systems. IEEE Trans. on Power Systems 27,
268279.
Rigo-Mariani, R., Sareni, B., Roboam, X., 2013. A fast optimization strategy
for power dispatching in a microgrid with storage. In: Industrial Electronics
Society, IECON 2013-39th Annual Conference of the IEEE, Viena, Austria.
Salazar, J., Tadeo, F., Valverde, L., 2013. Predictive control of a renewable
energy microgrid with operational cost optimization. In: IECON 2013 - 39th
Annual Conference on IEEE Industrial Electronics Society, Viena, Austria.
Savaghebi, M., Vasquez, J. C., Jalilian, A., Guerrero, J. M., 2012. Secondary
control for compensation of voltage harmonics and unbalance in microgrids.
In: Power Electronics for Distributed Generation Systems (PEDG), 2012 3rd
IEEE International Symposium on. IEEE, pp. 4653.
Sikha, G., Ramadass, P., Haran, B., White, R., Popov, B. N., 2003. Comparison
of the capacity fade of sony us 18650 cells charged with dierent protocols.
Journal of power sources 122 (1), 6776.
Stewart, E., Lutz, A., Schoenung, S., Chiesa, M., Keller, J., Fletcher, J., Ault,
G., McDonald, J., Cruden, A., 2009. Modeling, analysis and control system
development for the italian hydrogen house. International journal of hydrogen energy, 16381646.
Suh, K. W., 2006. Modeling, analysis and control of fuel cell hybrid power systems. Department of Mechanical Engineering, The University of Michigan.
Ulleberg, O., 2003. The importance of control strategies in pv-hydrogen systems. Solar Energy, 323329.
Valverde, L., 2013. Gestion de Energia en Sistemas con Fuentes Renovables y
almacenamiento de energia basado en Hidrogeno Mediante Control Predictivo. Universidad de Sevilla.
Valverde, L., Rosa, F., Bordons, C., 2013a. Design, planning and management
of a hydrogen-based microgrid. Industrial Informatics, IEEE Transactions
on 9 (3), 13981404.
Valverde, L., Rosa, F., del Real, A., Arce, A., Bordons, C., 2013b. Modeling,
simulation and experimental set-up of a renewable hydrogen-based domestic
microgrid. Int J Hydrogen Energy 38 (27), 1167211684.
Vandoorn, T. L., Vasquez, J. C., Koonin, J. D., Guerrero, J. M., Vandevelde, L.,
2013. Microgrids. hierarchical control and an overview of the control and
reserve management strategies. IEEE industrial electronics magazine.
Vasquez, J., Guerrero, J., Miret, J., Castilla, M., Garcia, L., 2010. Hierarchical
control of intelligent microgrids. IEEE IEMagazine.
Wang, C., Nehrir, M., 2008. Power management of a stand-alone wind/ photovoltaic/fuel cell energy system. IEEE Trans. Energy Convers. 23 (3), 957
967.
William D. Stevenson, J., 1975. Elements of Power System Analysis. McGrawHill, New York.
Xie, L., Ilic, M. D., 2008. Model predictive dispatch in electric energy systems
with intermittent resources. In: Proc. IEEE Int. Conf. Systems, Man and
Cybernetics.
Xie, L., Ilic, M. D., 2009. Model predictive economic/environmental dispatch
of power systems with intermittent resources. In: Proc. IEEE Power and
Energy Society General Meeting.

1-S2.0-S1697791215000023-Main (Electrica para Ver)

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

1-S2.0-S1697791215000023-Main (Electrica para Ver)

Caricato da

Copyright:

Formati disponibili

ScienceDirect

Revista Iberoamericana de Automtica e Informtica industrial 12 (2015) 117132

C. Bordons et al. / Revista Iberoamericana de Automtica e Informtica industrial 12 (2015) 117132

dad del comportamiento de los consumidores aparece como una

tende ofrecer una vision general de los problemas y retos mas

C. Bordons et al. / Revista Iberoamericana de Automtica e Informtica industrial 12 (2015) 117132

Alta Densidad de Potencia

Figura 1: Ejemplo de microrred

Alta Densidad de Energa

Figura 2: Sistemas de almacenamiento de energa segun relacion densidad de

C. Bordons et al. / Revista Iberoamericana de Automtica e Informtica industrial 12 (2015) 117132

Control de las corrientes y tensiones en los diversos DGs,

C. Bordons et al. / Revista Iberoamericana de Automtica e Informtica industrial 12 (2015) 117132

en que existen tres niveles de control, hay diversas discusiones

en (Vandoorn et al., 2013).

Metodologas de control empleadas

C. Bordons et al. / Revista Iberoamericana de Automtica e Informtica industrial 12 (2015) 117132

Figura 3: Microrred experimental

Tabla 1: Equipamiento de la microrred de Laboratorio

C. Bordons et al. / Revista Iberoamericana de Automtica e Informtica industrial 12 (2015) 117132

Figura 5: Esquema del controlador predictivo propuesto

Figura 4: Esquema de la microrred

de la fuente renovable puede ser almacenado en las bateras o

Formulacion del controlador

y la generada en el esquema, en la forma de una perturbacion.

C. Bordons et al. / Revista Iberoamericana de Automtica e Informtica industrial 12 (2015) 117132

Estado de carga (%)

Estado de carga (%)

Figura 6: Resultados en un da despejado

En el experimento, desarrollado durante 24 horas, se puede

llado sobre la sintonizacion de los parametros y experimentos

Integracion de las microrredes en el mercado electrico

En esta seccion se presenta la integracion de una microrred

C. Bordons et al. / Revista Iberoamericana de Automtica e Informtica industrial 12 (2015) 117132

tema de produccion y transporte, ejerciendo sus funciones en coordinacion con

C. Bordons et al. / Revista Iberoamericana de Automtica e Informtica industrial 12 (2015) 117132

Jred (hi ) + Jbat (hi ) + Jelz (hi ) + J pc (hi )

5.2.2. Funcion de coste de las bateras

P f v (tk ) + Paero (tk ) Pcarga (tk ) = Pred (tk )

LOH min LOH(tk ) LOH max

donde P f v , Paero y Pcarga son, respectivamente, la prevision de

+ Costdegr,car P2bat,car (hi )

sujeto a las siguientes restricciones fsicas:

donde CCbat es el coste de adquisicion de las baterias, Ciclosbat

Funcion de coste del almacenamiento en ciclo de hidrogeno

C. Bordons et al. / Revista Iberoamericana de Automtica e Informtica industrial 12 (2015) 117132

evitar estos fenomenos se denen en las ecuaciones siguientes:

= max( j (tk1 ) j (tk ), 0)| j=elz,pc

Figura 10: Prediccion de precios de la energa en el mercado diario

La variable j (tk ), es una variable entera-logica que tiene en

Figura 9: Resultados de la planicacion economica de la microrred usando

Estas relaciones se pueden a su vez traducir a inecuaciones

= j (tk1 ) ( j (tk ))| j=elz,pc

= max( j (tk ) j (tk1 ), 0)| j=elz,pc

donde CC indica el coste de adquisicion de los equipos, Horas

Precio Energia (Euro/MWh)

+ Costdegr,elz 2elz (hi )

En la gura 9 se muestran los resultados de la planicacion

Mercado intradiario de microrredes con almacenamiento hbrido usando MPC

Tabla 2: Sesiones del Mercado Intradiario

C. Bordons et al. / Revista Iberoamericana de Automtica e Informtica industrial 12 (2015) 117132

criterios de seguridad, generando el Programa Horario Final.

Tan solo en aquellos instantes en los que se haba planicado